做品牌 AI 曝光监测的人，多半碰过这种尴尬：报表显示品牌在 ChatGPT 里被提了，老板顺手在手机上问了一遍，名单里却没有你。以前只能归为「运气不好」，现在有研究把这事量化了：9 月中旬提交的一份预印研究测了一圈，同一个问题，换个环境跑，答案几乎对不上。

同一个购物问题，五个环境跑出平行世界

研究团队从 2,500 多条真实购物咨询里挑出 117 个商品问题，在 ChatGPT、Gemini 的网页 App 和各自 API，再加 Google AI Overviews 共五种环境下各跑三遍，收了约 1,536 份答案。

先看跨平台：ChatGPT 和 Gemini 回答同一个问题，引用信源平均只重合 5.4%，76.7% 的配对一个共同域名都没有。不是排序不同，是引用的网站根本就是两批。

再看同平台内部：同一问题问三遍，域名重合度 ChatGPT 约 26%、Gemini 约 30%，最稳的 AI Overviews 也只有 46%。这意味着截一张图就说「我们被 AI 推荐了」，证据力很弱。

真正的要害：App 和 API 不是一套答案

对买监测服务的人来说，更扎心的是这组数：ChatGPT 的 App 答案与 API 答案，信源重合度只有 12%，60.9% 的配对零共同域名；Gemini 稍好，也只有 14.8%。

而很多 AI 可见度监测工具恰恰走 API 抓数据——便宜、好脚本化。这组数据说明：API 测出来的答案，和用户在 App 里实际看到的，可能不是一套东西。

要说清楚的是，研究者没断言「界面」就是唯一原因——App 背后的模型版本无法确认，检索设置也不同。另外这轮测试是 9 月初在荷兰 IP、英文环境做的，样本偏实体商品，数字别当通用常数。但方向够明确了：拿 API 的测量去代表用户看到的世界，本身就是有偏差的近似。

三件事，把监测做扎实

  • 问清工具的测量口径：走 App 还是 API？登录态、地区、语言是什么？这些条件不进报表，数字没法解释。
  • 关键问题重复测：一小撮核心问题、固定条件、隔几天再测，看的是「稳定出现」，不是「出现过一次」。
  • 各平台分开记账：5.4% 的跨平台重合度摆在那，「AI 可见度」合并成一个总分意义不大，ChatGPT 的成绩推不出 Gemini 的成绩。

还有个细节值得记：研究里 ChatGPT 在 79% 的商品答案中用「我会买……」这种第一人称推荐语气，Gemini 只有 7%。平台语气不一样，被点名的分量也不一样——记录提及的时候，顺手标一句它是冷冰冰列名单，还是开口替你说话。

AI 可见度监测刚起步，各家报表格式五花八门，但底层纪律是一样的：条件写清楚、重复测、分平台看。数据不完美没关系，口径糊涂才是真问题。